AI 大模型
智能体、工具调用、规划、工作流、多智能体和自主任务执行。
STITCHER：通过实时运动原语搜索在复杂环境中进行约束轨迹规划
机构 * VECTR Laboratory, University of California, Los Angeles（VECTR实验室，加州大学洛杉矶分校）
专题命中 工具调用 ：planning(title,abstract)
AI总结 研究针对自主高速穿越复杂环境的轨迹规划问题，提出无优化规划框架STITCHER，通过拼接短轨迹段和图搜索实时计算轨迹，经模拟与硬件测试验证其性能优越，能满足多种约束并高速实时规划。
AgentCheck：用于基于MCP的大型语言模型智能体的重现-干预-缓解工作台
机构 * University of Utah（犹他大学） ； University of Dhaka（达卡大学）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.CL、cs.SE
AI总结 研究针对工具使用型大语言模型智能体在工具出现问题时开发者难以处理故障的情况，提出AgentCheck开源工作台，通过特定运行和重放方式形成重现-干预-确认循环，能对故障模式进行评估验证，提升智能体故障处理能力。
在测试时学习：具有可学习适应策略的语言智能体
机构 * National University of Singapore（新加坡国立大学）
专题命中 工具调用 ：agent(abstract)；分类 cs.AI、cs.LG
AI总结 本文提出Meta-TTL框架，通过双层优化问题学习最优适应策略，提升语言智能体在不同分布下的表现。
注意差距：LeWorldModel中分层规划的前景与陷阱
机构 * University of Amsterdam（阿姆斯特丹大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究长期目标条件控制下时间层次结构对LeWorldModel的影响，提出Hi-LeWM扩展，通过冻结低级模型并添加高级规划。实验发现层次结构需合理设计，无约束搜索有问题，约束搜索可改善性能，表明时间抽象有益，但高级搜索要与低级控制器兼容。
Comments Accepted at WM@Booth 2026
算子对F补充值等价性：潜在世界模型的规划时诊断
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究针对基于模型的强化学习中世界模型评估问题，引入算子对F诊断，通过模型自身预测器比较模型与环境的k步潜在前推，揭示其与规划回报的强关联及在跨架构比较中的作用，补充而非替代值等价性诊断。
Comments Accepted at RLC 2026 WM Workshop. V2 places the diagnostic in Koopman representation theory; references expanded. Results unchanged
从观测中学习红方代理策略用于神经符号自主网络代理
机构 * MIT（麻省理工学院）
专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI、cs.LG
AI总结 针对网络攻击中红方动作不可观测的问题，提出基于模仿学习的策略学习技术，从网络观测和防御动作预测红方行为，集成神经符号防御代理实现高精度预测。
从奖励黑客激活到智能体风险状态：LLM智能体中的上下文校准机制监控
机构 * University of Cambridge（剑桥大学）
专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI
AI总结 本研究通过分析ReAct风格智能体在Gameable ALFWorld和WebShop环境中的奖励黑客行为，提出结合激活状态、熵和决策上下文的上下文校准监控方法，以更准确评估智能体风险。
NeSy-Route：一种用于遥感约束路径规划的神经符号基准
机构 * State Key Laboratory for Novel Software Technology, Nanjing University, China（新型软件技术国家重点实验室，南京大学） ； School of Artifical Intelligence, Nanjing University, China（人工智能学院，南京大学） ； School of Intelligence Science and Technology, Nanjing University, China（智能科学与技术学院，南京大学）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 NeSy-Route是一个大规模神经符号基准，用于评估遥感中的约束路径规划能力，通过自动化数据生成框架和三级评估协议，全面测试多模态大语言模型的感知、推理和规划能力。
Comments Accepted by ECCV2026
RADAR: 通过语义规划和自主因果环境重置实现闭环机器人数据生成
机构 * Southern University of Science and Technology（南方科技大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Spatialtemporal AI（时空人工智能）
专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI
AI总结 RADAR通过语义规划和自主因果环境重置实现闭环机器人数据生成，具备高适应性和可扩展性，在仿真和现实部署中均表现出卓越的性能。
Comments 8 pages, 4 figures. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026). Project page: https://radar-iros.netlify.app/
诊断智能体编排的视觉-语言-动作技能组合中的语义切换失败
机构 * SimpleAI
专题命中 规划决策 ：agent(title,abstract)
AI总结 研究智能体编排的视觉-语言-动作技能组合中的语义切换失败问题，通过智能体编排执行框架，调用基于π0.5的技能检查点，在两种初始状态分布下评估，发现单技能与长期任务成功率差距大，为未来技能库改进提供诊断依据。
Journal ref RSS SemRob Workshop 2026
基于仿真的多机器人装配单元自动化程序优化的运动序列规划
机构 * Institute for Material Handling and Logistics (IFL), Karlsruhe Institute of Technology（材料搬运与物流研究所（IFL），卡尔斯鲁厄理工学院） ； Bosch Corporate Research, Robert Bosch GmbH（博世企业研究，罗伯特·博世有限公司）
专题命中 规划决策 ：planning(title,abstract)
AI总结 提出一种基于仿真的方法，通过将装配步骤分解为核心操作和遍历操作，并采用分解式运动规划策略优化调度，以生成高效无碰撞的多机器人运动序列，减少装配时间。
Comments Accepted for publication at IEEE CASE 2026
一种结合预测和规范性建模的长期心理健康劳动力规划框架
专题命中 规划决策 ：planning(title,abstract)
AI总结 本文提出了一种结合预测和规范性建模的框架，用于长期心理健康劳动力规划，通过分析库存-流量模型和概率预测，揭示当前人员计划的不可持续性并提出地区层面政策改进。
Comments Published
Journal ref Journal of the Operational Research Society (2025)
并非所有线索都能被发现：事实分布和“不要编造”提示如何影响长上下文语言模型中的检索、推理和幻觉
机构 * Department of Electrical Engineering & Computer Science University of Michigan（电气工程与计算机科学系 密歇根大学）
专题命中 规划决策 ：agentic(abstract)；分类 cs.AI、cs.CL
AI总结 研究大语言模型中事实分布和反幻觉提示对检索、推理及幻觉的影响，通过扩展基准评估多个模型，识别出分布崩溃和安全代价两种失败模式，发现许多失败源于无效上下文利用，强调特定模型稳健性和上下文管理的重要性。
Comments 16 pages, 8 figures, 2 tables. Accepted at the FAGEN Workshop @ ICML 2026
FairCoder：通过编码任务探究高风险决策中语言模型的偏差
机构 * Pennsylvania State University（宾夕法尼亚州立大学） ； University of Southern California（南加州大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.CL、cs.SE
AI总结 研究通过FairCoder基准将决策制定设为编码任务，探究LLMs在多领域的偏差，针对现有指标不足提出FairScore指标，经实验揭示了此前未充分探索的偏差模式，凸显LLMs作决策代理的风险并提供评估框架。
STEP：通过时间和教育轨迹建模进行职业路径推荐
机构 * AIDA-IDLab, Ghent University（AIDA-ID实验室，根特大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.CL
AI总结 研究利用大语言模型从简历获取职业轨迹数据，提出STEP职业路径推荐系统，通过集成时间衰减GRU、FiLM及注意力序列池化预测下一份工作，引入ROUTE改进职业表示，在多数据集评估中优于基准，还公开了数据集和代码。
JobHop v2：一个来自非结构化简历的大规模职业轨迹数据集
机构 * AIDA-IDLab, Department of Electronics and Information Systems, Ghent University, Ghent, Belgium（AIDA-ID实验室，电子与信息系统系，根特大学，根特，比利时） ； AIDA-IDLab, Department of Electronics（AIDA-ID实验室，电子系） ； Information Systems, Ghent University, Ghent, Belgium（信息系统，根特大学，根特，比利时）
专题命中 规划决策 ：planning(abstract)；分类 cs.CL
AI总结 该研究提出JobHop v2数据集，通过端到端大语言模型从大量简历中提取职业轨迹。它扩大了覆盖范围与注释丰富度，引入新提取管道、模式及评估协议，最好提取器接近注释者间一致性上限，数据集和代码公开助力职业轨迹研究。
冲突情境下心智理论的人工智能因果模型
机构 * Institute for Creative Technologies, University of Southern California（南加州大学创意技术研究所）
专题命中 规划决策 ：agent(abstract)；分类 cs.AI
AI总结 提出结构因果模型，将心智理论视为由情境和主体条件激活的机制，通过三条因果路径决定何时进行心智化，提升AI社会推理的准确性和效率。
测试时学习与进化库
机构 * Microsoft Research（微软研究院）
专题命中 规划决策 ：agentic(abstract)；分类 cs.LG
AI总结 EvoLib通过维护知识库实现大语言模型在不同实例间积累和进化知识，无需参数更新或外部监督，提升数学推理、代码生成等任务性能。
PC-Diffuser: 基于路径一致的胶囊CBF安全过滤器用于基于扩散的轨迹规划器
机构 * Texas A&M University（德克萨斯A&M大学）
专题命中 规划决策 ：planning(abstract)；分类 cs.AI
AI总结 PC-Diffuser通过在扩散规划中嵌入可认证的路径一致屏障函数，实现轨迹生成中的安全性和路径一致性，提升复杂交通环境下的自动驾驶安全性。
视觉Transformer与卷积神经网络在土地利用场景分类中的应用
机构 * Computer Science Department, University of Texas at Tyler（德克萨斯理工大学计算机科学系）
专题命中 规划决策 ：planning(abstract)
AI总结 本文比较了视觉Transformer和CNN在遥感土地利用场景分类中的性能，发现CNN在有限训练样本和局部纹理特征强的场景中表现稳健，而ViT在数据充足时能更好地捕捉全局空间关系，但计算成本更高。
Comments 11 pages
Journal ref International Journal of Advanced Computer Science and Applications, vol. 17, no. 7, 2026,
PokeNet: 从人类观察中学习机械结构模型
机构 * School of Computation and AI, ASU, Tempe（计算与人工智能学院，亚利桑那州立大学） ； AI Institute, Seoul National University, Seoul, South Korea（首尔国立大学人工智能研究所）
专题命中 规划决策 ：planning(abstract)
AI总结 PokeNet通过单个人类示范学习机械结构模型，无需先验知识，提升关节轴和状态估计精度达27%。
超越Token：基于LLM的多智能体系统中潜在通信的统一框架
机构 * Beijing University of Posts and Telecommunications（北京邮电大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；tool-use(abstract)；planning(abstract)
AI总结 提出一个三维统一框架（通信内容、发送-接收对齐、信息融合方式），系统分类2024-2026年间18种潜在通信方法，识别五种设计模式并揭示开放挑战。
辩论动态与价值对齐在大语言模型辩论中
机构 * D-Lab University of California, Berkeley（D-Lab 加州大学伯克利分校）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；agentic(abstract)；分类 cs.AI
AI总结 研究通过LLM辩论探讨多轮设置中模型的辩论动态与价值对齐，发现不同模型在同步和轮转结构下的行为差异及价值倾向。
过于礼貌而不反驳：理解多智能体系统中的趋炎附势传播
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.CL
AI总结 研究探讨多智能体系统中趋炎附势行为的影响，通过实验发现提供趋炎附势先验信息可减少影响、缓解错误连锁反应并提升讨论准确性。
Journal ref Proceedings of the 27th Annual Meeting of the Special Interest Group on Discourse and Dialogue (SIGDIAL 2026), pages 795-814, Association for Computational Linguistics
多智能体推理中通信的益处与局限性
机构 * Mila & Université de Montréal（Mila与蒙特利尔大学） ； University of Oxford（牛津大学） ； Stanford University（斯坦福大学） ； Saarland University（萨尔兰大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI、cs.LG
AI总结 研究多智能体推理中通信的益处与局限，提出理论框架分析其表达能力，应用于三个算法族，得出相关界限，通过实验验证关键量权衡，为设计可扩展多智能体推理系统提供指导。
Comments 34 pages, 14 figures
来源或未发生：一种用于引用伪造检测的多智能体框架
机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； The Ohio State University（俄亥俄州立大学）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.CL
AI总结 本文提出CiteTracer多智能体框架，通过12种分类体系检测引用伪造，利用PDF和BibTeX提取结构化引用，结合缓存查找、URL获取等方法验证，实现97.1%的准确率。
事件驱动的时间图网络用于NetForge_RL中的异步多智能体网络防御
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.LG
AI总结 本文提出CT-GMARL方法，通过固定步长神经微分方程处理非规则采样警报，解决多智能体强化学习在仿真到现实转换中的瓶颈问题，实验证明其在连续时间POSMDP中的有效性。
Comments 7 pages
MASPRM：多智能体系统过程奖励模型
机构 * Department of Electrical and Computer Engineering, University of British Columbia（英属哥伦比亚大学电气与计算机工程系） ； Huawei Technologies Canada（华为技术加拿大公司）
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI
AI总结 MASPRM通过过程奖励模型在多智能体系统推理中提升搜索效率和质量，提高Hit@1和排序质量。
关于超博弈理论的综述：为多智能体系统建模错位感知与嵌套信念
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)；分类 cs.AI
AI总结 本文综述了超博弈理论在多智能体系统中的应用，分析了其建模错位感知与嵌套信念的能力及现有研究中的趋势与挑战。
通过无模型多智能体学习实现实时自适应量子纠错
专题命中 多智能体 ：agent(title,abstract)；multi-agent(title,abstract)
AI总结 研究针对现实硬件中错误通道随时间漂移的问题，提出将量子纠错分为离线码发现和在线自适应的统一框架，利用多智能体强化学习和BRAVE实现“发现一次，持续适应”策略，有效降低逻辑不忠实度并扩展噪声鲁棒性。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈